Faculty–Resident “Co-learning”: A Longitudinal Exploration of an Innovative Model for Faculty Development in Quality Improvement
Notice bibliographique
Résumé
PURPOSE: To examine the effectiveness of co-learning, wherein faculty and trainees learn together, as a novel approach for building quality improvement (QI) faculty capacity. METHOD: From July 2012 through September 2015, the authors conducted 30 semistructured interviews with 23 faculty participants from the Co-Learning QI Curriculum of the Department of Medicine, Faculty of Medicine, University of Toronto, and collected descriptive data on faculty participation and resident evaluations of teaching effectiveness. Interviewees were from 13 subspecialty residency programs at their institution. RESULTS: Of the 56 faculty participants, the Co-Learning QI Curriculum trained 29 faculty mentors, 14 of whom taught formally. Faculty leads with an academic QI role, many of whom had prior QI training, reinforced their QI knowledge while also developing QI mentorship and teaching skills. Co-learning elements that contributed to QI teaching skills development included seeing first how the QI content is taught, learning through project mentorship, building experience longitudinally over time, a graded transition toward independent teaching, and a supportive program lead. Faculty with limited QI experience reported improved QI knowledge, skills, and project facilitation but were ambivalent about assuming a teacher role. Unplanned outcomes for both groups included QI teaching outside of the curriculum, applying QI principles to other work, networking, and strengthening one's QI professional role. CONCLUSIONS: The Co-Learning QI Curriculum was effective in improving faculty QI knowledge and skills and increased faculty capacity to teach and mentor QI. Findings suggest that a combination of curriculum and contextual factors were critical to realizing the curriculum's full potential.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».